CN117587181A - 一种高炉风口温度监测装置及其控制方法 - Google Patents
一种高炉风口温度监测装置及其控制方法 Download PDFInfo
- Publication number
- CN117587181A CN117587181A CN202311578349.9A CN202311578349A CN117587181A CN 117587181 A CN117587181 A CN 117587181A CN 202311578349 A CN202311578349 A CN 202311578349A CN 117587181 A CN117587181 A CN 117587181A
- Authority
- CN
- China
- Prior art keywords
- temperature
- blast furnace
- value
- temperature measurement
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000007689 inspection Methods 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000009529 body temperature measurement Methods 0.000 claims description 76
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 239000000843 powder Substances 0.000 claims description 10
- 238000004146 energy storage Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 14
- 230000007246 mechanism Effects 0.000 description 6
- 210000001015 abdomen Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003331 infrared imaging Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003723 Smelting Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011895 specific detection Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 102100032202 Cornulin Human genes 0.000 description 1
- 101000920981 Homo sapiens Cornulin Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000011819 refractory material Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/24—Test rods or other checking devices
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B5/00—Making pig-iron in the blast furnace
- C21B5/006—Automatically controlling the process
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B7/00—Blast furnaces
- C21B7/16—Tuyéres
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21B—MANUFACTURE OF IRON OR STEEL
- C21B2300/00—Process aspects
- C21B2300/04—Modeling of the process, e.g. for control purposes; CII
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及炼铁设备温度监测技术领域,公开一种高炉风口温度监测装置及其控制方法,装置包括:轨道、巡检机器人和数据处理组件;轨道环形设置于高炉送风装置上方,巡检机器人沿轨道往复移动;巡检机器人上设有可水平旋转的红外热成像仪,红外热成像仪获取高炉送风装置的实时红外图像,并发送至数据处理组件;数据处理组件接收红外图像,基于图像温度转换模型获取红外图像的温度值,并发送至高炉风口监测系统。通过按照预设周期往复移动的巡检机器人及设置于其上可360°水平转动的红外热成像仪获取红外图像,基于图像温度转换模型得到高炉风口各预设置位的准确温度值,避免人工方式点检的发现不及时、作业效率低及死角温度检测不准确等问题。
Description
技术领域
本发明涉及炼铁设备温度监测技术领域,特别涉及一种高炉风口温度监测装置及其控制方法。
背景技术
高炉冶炼过程是一个连续的、大规模的、高温生产过程,其稳定顺行至关重要,给高炉提供热风的关键设备,高炉送风装置的工作状况直接影响风温的稳定和安全连续生产,其稳定安全运行是高炉稳顺的基础。冶炼工艺要求热风炉提供越来越高的风温,造成高炉风口平台管网系统耐材内衬损毁逐渐加剧。在生产过程中,常常因为送风装置耐材脱落等原因导致送风装置和炉皮发红、吹裂甚至烧穿,高炉被迫休风,影响了高炉生产,甚至造成了重大的安全事故。
目前,高炉炉前红外测温监控系统采用搭载红外热成像的巡检机器人或固定式红外热成像仪,对高炉风口状态进行监测,范围包括热风围管、高炉炉壳、直吹管等处,但红外成像很难的对于高炉风口形成全覆盖,特别是直吹管末端等死角位置,温度值难以测量准确性差。
通常高炉炉前红外测温监控系统,不管带有云台的红外成像测温仪可调整角度,还是定点红外成像测试仪,都无法对高炉风口全覆盖,例如送风装置直吹管末端等处,传统的测温方法原理是斯蒂藩-波尔兹曼定律的红外成像测温,以黑体辐射为基础,因红外辐射与目标温度之间呈非线性的关系,测量精度较低,无法准确判断高炉风口局部位置的准确温度。
发明内容
本发明实施例的目的是提供一种高炉风口温度监测装置及控制方法,通过按照预设周期进行往复移动的巡检机器人及设置于其上可360°水平转动的红外热成像仪获取红外图像,基于图像温度转换模型得到高炉风口测温点位的准确温度值,避免了人工方式点检带来的问题发现不及时、作业效率低及死角温度检测不准确等问题。
为解决上述技术问题,本发明实施例的第一方面提供了一种高炉风口温度监测装置,包括:轨道、巡检机器人和数据处理组件;
所述轨道环形设置于高炉送风装置上方,所述巡检机器人沿所述轨道往复移动;
所述巡检机器人上设有可水平旋转的红外热成像仪,所述红外热成像仪获取所述高炉送风装置的实时红外图像,并发送至所述数据处理组件;
所述数据处理组件接收所述红外图像,基于图像温度转换模型获取所述红外图像的温度值,并发送至高炉风口监测系统。
进一步地,所述图像温度转换模型依据所述高炉送风装置若干个测温点位的历史温度检测数据,获取与所述历史温度检测数据相应的历史红外图像的灰度数据,通过最小二乘法对所述灰度数据进行拟合,得到一所述测温点位的历史红外图像与历史检测温度的拟合曲线,基于所述拟合曲线获取所述实时红外图像的相应温度值。
进一步地,所述图像温度转换模型包括基于所述历史温度检测数据和相应的所述历史红外图像构建的温度查找矩阵,温度查找矩阵为依据所述历史温度检测数据建立的绝对黑体温度与图像灰度值的对应关系;
所述数据处理组件基于所述温度查找矩阵,获取与所述实时红外图像中测温点位的灰度值相应的温度值。
进一步地,当所述高炉送风装置中一测温点位的实时温度值超过第一温度阈值后,所述数据处理组件获取所述高炉送风装置中所述测温点位在连续若干个预设采样周期中的历史检测温度,计算所述测温点位在后续若干个采样周期的预测温度值,若任一所述预测温度值超过第二温度阈值,则向所述高炉风口监测系统发送告警信号;
所述第一温度阈值和第二温度阈值均与所述高炉送风装置的所述测温点位一一对应。
进一步地,所述预测温度值的计算公式为:
Tix=δi0Ti0+δi1Ti1+δi2Ti2+···+δijTij+···+δimTim;
其中,Tix为所述实时温度值超过所述第一温度阈值相应的第i个测温点位的预测温度值,Ti0为第i个测温点位自身的实时温度值,Ti1--Tim为第i个测温点位周围预设距离内m个相邻测温点位各自的实时温度值;δi0为计算所述第i个测温点位的预测温度值时第i个测温点位自身的权重系数,δi1-δim为计算所述第i个测温点位的预测温度值时第i个测温点位周围预设距离内m个相邻测温点位相应的权重系数,i为所述高炉送风装置中n个测温点位的序号,j为所述第i个测温点位周围预设距离内m个相邻测温点位的序号。
进一步地,所述权重系数δij的计算公式为:
δij=k0 (ij)+k1 (ij)J1 (ij)+k2 (ij)J2 (ij)+k3 (ij)×L(ij);
其中,δij为计算所述第i个测温点位的预测温度值时周围预设距离内的第j个相邻测温点位的权重系数值,k0 (ij)为避免权重系数δij为0的常数;J1 (ij)为第i个测温点位与第j个相邻测温点位之间直接连接材料的热传导系数值,k1 (ij)为J1 (ij)的计算因子;J(空气)为第i个测温点位与第j个相邻测温点位之间空气的热传导系数值;k2 (ij)为J(空气)的计算因子,L(ij)为第i个测温点位与第j个相邻测温点位之间的距离值,k3 (ij)为L(ij)相应的计算因子。
进一步地,所述巡检机器人上还设有可见光相机;
所述可见光相机获取所述高炉送风装置的光学图像,并发送至所述数据处理组件;
所述数据处理组件接收所述光学图像,基于视觉识别模型判断所述高炉送风装置是否漏水及漏粉;
所述红外热成像仪和所述可见光相机通过可升降组件与巡检机器人本体连接;
所述红外热成像仪和所述可见光相机通过所述可升降组件在竖直方向往复移动。
进一步地,所述高炉风口温度监测装置还包括:无线充电组件;
所述巡检机器人内部设有储能电池;
所述无线充电组件设置于所述轨道上,以无线充电方式对所述巡检机器人进行充电。
进一步地,所述轨道为环形非封闭轨道;
所述无线充电组件设置于所述轨道的一端;
所述巡检机器人按照预设周期移动至所述无线充电组件处进行无线充电。
相应地,本发明实施例的第二方面提供了一种高炉风口温度监测装置控制方法,基于上述任一所述的高炉风口温度监测装置对高炉风口各个测温点位的温度进行实时检测,包括如下步骤:
控制巡检机器人按照预设速度沿轨道往复移动;
通过红外热成像仪按照预设采样周期获取高炉送风装置若干个测温点位的实时红外图像;
基于图像温度转换模型,获取所述若干个测温点位的所述实时红外图像相应的实时温度值;
当所述实时温度值超过第二温度阈值时,向高炉风口监测系统发送报警信号。
本发明实施例的上述技术方案具有如下有益的技术效果:
通过按照预设周期进行往复移动的巡检机器人及设置于其上可360°水平转动的红外热成像仪获取红外图像,基于图像温度转换模型得到高炉风口各测温点位的准确温度值,避免了人工方式点检带来的问题发现不及时、作业效率低及死角温度检测不准确等问题。
附图说明
图1是本发明实施例提供的巡检机器人结构示意图;
图2是本发明实施例提供的高炉风口温度监测装置温度检测流程图;
图3是本发明实施例提供的高炉送风装置部件编号识别示意图;
图4是本发明实施例提供的高炉送风装置漏粉识别流程示意图;
图5是本发明实施例提供的高炉送风装置漏水识别流程示意图。
附图标记:
1、驱动模块,2、第二充电端口,3、巡检机器人本体,4、升降组件,5、超声波雷达,6、急停开关,7、红外热成像仪,8、可见光相机。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在高炉送风装置中,热风围管、高炉炉壳、直吹管均为易出现故障的部件。具体的,在热风围管管道内,高温的热风冲刷管壁,造成管壁承受长期高温烘烤而变形、脱落;由于管道整体尺寸较大,热风温度变化剧烈,造成关键部位的应力集中,管道交界处形成剪切力,造成管道破坏;直吹管以及膨胀节质量问题、到寿、使用前未烘烤等原因导致的送风装置温度高乃至烧穿等。
为了帮助高炉操作人员及时了解高炉热风围管及送风装置危险区域的温度及其变化趋势,及时采取有效的护炉措施,请参照图1,本发明实施例的第一方面提供了一种高炉风口温度监测装置,包括:轨道、巡检机器人和数据处理组件;轨道环形设置于高炉送风装置上方,巡检机器人沿轨道往复移动;巡检机器人上设有可水平旋转的红外热成像仪7,红外热成像仪7获取高炉送风装置的实时红外图像,并发送至数据处理组件;数据处理组件接收红外图像,基于图像温度转换模型获取红外图像的温度值,并发送至高炉风口监测系统。
上述技术方案中,高炉风口温度监测装置通过按照预设周期进行往复移动的巡检机器人及设置于其上可360°水平转动的红外热成像仪7实现对高炉送风装置各个部件(例如:热风围管、补偿器、直吹管、弯头)及部件死角位置的实时温度检测,避免了人工方式点检带来的问题发现不及时、作业效率低、温度检测不准确等问题。
进一步地,图像温度转换模型依据高炉送风装置若干个测温点位的历史温度检测数据,获取与历史温度检测数据相应的历史红外图像的灰度数据,通过最小二乘法对灰度数据进行拟合,得到测温点位的历史红外图像与历史检测温度的拟合曲线,基于拟合曲线获取实时红外图像的相应温度值。
巡检机器人带有红外热成像仪,首先由于不同零部件在机器人视野中的位置不固定,为判断各零部件位置,利用深度学习算法定位不同零部件的具体位置,然后输出热像仪成像中对应零部件的温度。若该零部件温度高于正常阈值,则汇报异常。高炉送风装置温度检测流程如图2所示。首先预先采集不同零部件的图像,标注各个零件区域后输入Yolo定位神经网络训练模型。巡检时控制机器人到达指定点位,通过红外热摄像仪与可见光摄像头同时采集装置图像。将可见光图像输入Yolo模型,输出零部件定位坐标,一一对应到热红外图像中,即可输出不同零部件的实时温度。
进一步地,图像温度转换模型包括基于历史温度检测数据和相应的历史红外图像构建的温度查找矩阵,温度查找矩阵为依据所述历史温度检测数据建立绝对黑体温度与图像灰度值的对应关系;数据处理组件基于温度查找矩阵,获取与实时红外图像中测温点位的灰度值相应的温度值。
温度查找矩阵又称为温度查找表,可通过积累大量的测温历史数据,找出绝对黑体温度与图像灰度值之间的关系,然后建立数据库,形成温度查找表。把测出的黑体温度和图像上对应点的灰度值构成的一对数据标定样本,当积累足够多的标定样本可以形成全面的温度查找表,根据这个查找表对目标温度进行精确计算,解决非线性对测量精度的影响。实践证明样本越多测温的数据越加准确。
进一步地,当高炉送风装置中一测温点位的实时温度值超过第一温度阈值后,数据处理组件获取高炉送风装置中测温点位在连续若干个预设采样周期中的历史检测温度,计算测温点位在后续若干个采样周期的预测温度值,若任一预测温度值超过第二温度阈值,则向高炉风口监测系统发送告警信号;第一温度阈值和第二温度阈值均与高炉送风装置的测温点位一一对应。
具体的,预测温度值的计算公式为:
Tix=δi0Ti0+δi1Ti1+δi2Ti2+···+δijTij+···+δimTim;
其中,Tix为实时温度值超过第一温度阈值相应的第i个测温点位的预测温度值,Ti0为第i个测温点位自身的实时温度值,Ti1-Tim为第i个测温点位周围预设距离内m个相邻测温点位各自的实时温度值;δi0为计算第i个测温点位的预测温度值时第i个测温点位自身的权重系数,δi1-δim为计算第i个测温点位的预测温度值时第i个测温点位周围预设距离内m个相邻测温点位相应的权重系数,i为高炉送风装置中n个测温点位的序号,j为第i个测温点位周围预设距离内m个相邻测温点位的序号。
更进一步地,权重系数δij的计算公式为:
δij=k0 (ij)+k1 (ij)J1 (ij)+k2 (ij)J2 (ij)+k3 (ij)×L(ij);
其中,δij为计算第i个测温点位的预测温度值时周围预设距离内的第j个相邻测温点位的权重系数值,k0 (ij)为避免权重系数δij为0的常数;J1 (ij)为第i个测温点位与第j个相邻测温点位之间直接连接材料的热传导系数值,k1 (ij)为J1 (ij)的计算因子;J(空气)为第i个测温点位与第j个相邻测温点位之间空气的热传导系数值;k2 (ij)为J(空气)的计算因子,L(ij)为第i个测温点位与第j个相邻测温点位之间的距离值,k3 (ij)为L(ij)相应的计算因子。
具体的,巡检机器人上还设有可见光相机8;可见光相机8获取高炉送风装置的光学图像,并发送至数据处理组件;数据处理组件接收光学图像,基于视觉识别模型判断高炉送风装置是否漏水及漏粉。
在高炉送风装置的器件上,通过设置部件编号,可以基于可见光相机8来进行数字识别,检测装置的编号。具体检测流程如图3所示,首先预先采集一定数量编号图像,进行数据扩充预处理后训练CRNN数字识别模型。实际检测过程中,利用巡检机器人采集送风装置的区域图像,通过训练好的模型识别图像中的数字编号,并对应所在装置即可判定该装置的编号。
高炉送风装置还可能存在漏水和漏粉的问题。为了解决上述问题,通过可见光相机8拍摄可能发生漏粉的位置图片,基于ResNet分类深度学习模型对图片进行识别。首先预先采集一定数量的漏粉与正常图像,标注区分后训练深度学习分类模型。巡检时控制机器人采集可能漏粉区域图像,将其传输至数据处理组件的深度学习模型判断是否存在漏粉即可。漏粉的检测流程如图4所示。
此外,通过可见光相机8拍摄可能发生漏水的位置图片,同样基于ResNet分类深度学习模型对图片进行识别。具体检测流程如图5所示,首先预先采集一定数量的漏水与正常图像,标注区分后训练深度学习ResNet分类模型。巡检时控制机器人采集可能漏水区域图像,将其传输至数据处理组件的深度学习模型判断是否存在漏水即可。
进一步地,红外热成像仪7和可见光相机8通过可升降组件4与巡检机器人本体3连接;红外热成像仪7和可见光相机8通过可升降组件4在竖直方向往复移动。
通过设置于巡检机器人本体3和红外热成像仪7及可见光相机8之间的可升降组件4,在红外热成像仪7及可见光相机8可以水平360°的基础上,进一步在竖直方向实现伸缩移动,增大巡检机器人的检测范围,提高了高炉送风装置的温度检测区域。
进一步地,高炉风口温度监测装置还包括:无线通信组件;无线通信组件包括均匀分布于轨道顶部的若干个第一通信单元和设置于巡检机器人内的第二通信单元;第二通信单元在巡检机器人沿轨道移动过程中和与其距离最近的一个第二通信单元以无线方式数据连通;数据处理组件通过第二通信单元和一个第一通信单元与高炉风口监测系统数据连接。
为了保证高质量的信号覆盖,每间隔预设距离就放置一个第一通信单元,完成轨道周围的无线网络覆盖,通过光纤与高炉风口监测系统建立数据连接,每个巡检机器人上安装一个第二通信单元,当机器人在移动时,可在现场各个第一通信单元之间快速切换。机器人车体上搭载的第一通信单元可以实现巡检机器人的视频和数据的实时传输。
进一步地,高炉风口温度监测装置还包括:无线充电组件;巡检机器人内部设有储能电池;无线充电组件设置于轨道上,以无线充电方式对巡检机器人进行充电。
在本发明实施例的一个实施方式中,轨道为环形非封闭轨道;无线充电组件设置于轨道的一端;巡检机器人按照预设周期移动至无线充电组件处进行无线充电。
在另一个实现方式中,轨道为非封闭状态,其一端设有一个无线充电组件,当巡检机器人电量低于阈值时可选的,阈值为20%,控制巡检机器人移动至无线充电组件处进行充电,在充电完成后继续进行巡检。
为了进一步提高机器人的快速充电能力,无线充电组件还可设有用于有线充电的第一充电端口;巡检机器人设有用于有线充电的第二充电端口2,第二充电端口2与储能电池电连接;巡检机器人移动至无线充电组件处,依据储能电池的剩余电量择一选择有线充电方式或无线充电方式进行充电;当储能电池的剩余电量低于第一预设比例值时,通过连接第一充电端口和第二充电端口2对储能电池进行有线方式充电;当储能电池的剩余电量大于或等于第一预设比例值时,通过无线充电方式对储能电池进行充电。
在紧急情况下,为了使处于缺电状态的巡检机器人尽快完成充电,执行巡检任务,可在无线充电模块设置一个有线充电端口,巡检机器人移动至无线充电组件的预设位置后,用于有线充电的第一充电端口和第二充电端口2自动连接,通过有线方式对巡检机器人进行充电,以在最短时间内完成充电,使巡检机器人尽快进行温度巡检工作。
此外,巡检机器人的两端还设置有超声波雷达5,当超声波雷达5检测到运动方向前方存在障碍物时巡检机器人会进行减速直至停车的动作。在巡检机器人的边缘还设置有防碰撞开关条,其外圈为柔性橡胶条包裹,内置开关,挤压即可触发开关紧急停车,防碰撞开关条及超声波雷达5构成巡检机器人的两层安全防护。
另外,巡检机器人配备三色指示灯及告警音箱,机器人运行时播放声音提醒人员注意安全,三色指示灯用于警告及机器人状态显示。巡检机器人能通过指示灯的不同颜色或者闪烁的频率来表示巡检机器人当前的各种状态,当巡检机器人出现故障时,语音播报器会循环播放当前的故障状态,用于提醒工作人员处理。
巡检机器人的控制方式包括手动控制和自动控制,其控制方式可以便利地切换,以人工手动控制或按照预设周期和速度进行图像拍摄与温度检测。此外,在巡检机器人本体3上还设置有急停开关6,便于工作人员在紧急情况下迅速关停巡检机器人。
为了适应高炉送风装置的具体环境,提高红外图像和光学图像的拍摄准确度,轨道需要贴合高炉送风装置的整体轮廓,巡检机器人的驱动模块1中的主动转向机构和从动转向机构可绕其转轴转动;每个转向机构带四个导向轮,卡住轨道外廓用于巡检机器人前进导向,当巡检机器人本体3进入转向轨道时,两套转向机构自动旋转以适应弧形轨道。
相应地,本发明实施例的第二方面提供了一种高炉风口温度监测装置控制方法,基于上述任一的高炉风口温度监测装置对高炉风口各个测温点位的温度进行实时检测,包括如下步骤:
步骤S100,控制巡检机器人按照预设速度沿轨道往复移动。
步骤S200,通过红外热成像仪按照预设采样周期获取高炉送风装置若干个测温点位的实时红外图像。
步骤S300,基于图像温度转换模型,获取若干个测温点位的实时红外图像相应的实时温度值。
步骤S400,当实时温度值超过第二温度阈值时,向高炉风口监测系统发送报警信号。
本发明实施例旨在保护一种高炉风口温度监测装置及其控制方法,其中装置包括:轨道、巡检机器人和数据处理组件;轨道环形设置于高炉送风装置上方,巡检机器人沿轨道往复移动;巡检机器人上设有可水平旋转的红外热成像仪,红外热成像仪获取高炉送风装置的实时红外图像,并发送至数据处理组件;数据处理组件接收红外图像,基于图像温度转换模型获取红外图像的温度值,并发送至高炉风口监测系统。上述技术方案具备如下效果:
通过按照预设周期进行往复移动的巡检机器人及设置于其上可360°水平转动的红外热成像仪获取红外图像,基于图像温度转换模型得到高炉风口各预设置位的准确温度值,避免了人工方式点检带来的问题发现不及时、作业效率低及死角温度检测不准确等问题。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种高炉风口温度监测装置,其特征在于,包括:轨道、巡检机器人和数据处理组件;
所述轨道环形设置于高炉送风装置上方,所述巡检机器人沿所述轨道往复移动;
所述巡检机器人上设有可水平旋转的红外热成像仪(7),所述红外热成像仪(7)获取所述高炉送风装置的实时红外图像,并发送至所述数据处理组件;
所述数据处理组件接收所述红外图像,基于图像温度转换模型获取所述红外图像的温度值,并发送至高炉风口监测系统。
2.根据权利要求1所述的高炉风口温度监测装置,其特征在于,
所述图像温度转换模型依据所述高炉送风装置若干个测温点位的历史温度检测数据,获取与所述历史温度检测数据相应的历史红外图像的灰度数据,通过最小二乘法对所述灰度数据进行拟合,得到一所述测温点位的历史红外图像与历史检测温度的拟合曲线,基于所述拟合曲线获取所述实时红外图像的相应温度值。
3.根据权利要求2所述的高炉风口温度监测装置,其特征在于,
所述图像温度转换模型包括基于所述历史温度检测数据和相应的所述历史红外图像构建的温度查找矩阵,所述温度查找矩阵为依据所述历史温度检测数据建立的绝对黑体温度与图像灰度值的对应关系;
所述数据处理组件基于所述温度查找矩阵,获取与所述实时红外图像中测温点位的灰度值相应的温度值。
4.根据权利要求1所述的高炉风口温度监测装置,其特征在于,
当所述高炉送风装置中一测温点位的实时温度值超过第一温度阈值后,所述数据处理组件获取所述高炉送风装置中所述测温点位在连续若干个采样周期中的历史检测温度,计算所述测温点位在后续若干个采样周期的预测温度值,若任一所述预测温度值超过第二温度阈值,则向所述高炉风口监测系统发送告警信号;
所述第一温度阈值和第二温度阈值均与所述高炉送风装置的所述测温点位一一对应。
5.根据权利要求4所述的高炉风口温度监测装置,其特征在于,
所述预测温度值的计算公式为:
Tix=δi0Ti0+δi1Ti1+δi2Ti2+···+δijTij+···+δimTim;
其中,Tix为所述实时温度值超过所述第一温度阈值相应的第i个测温点位的预测温度值,Ti0为第i个测温点位自身的实时温度值,Ti1--Tim为第i个测温点位周围预设距离内m个相邻测温点位各自的实时温度值;δi0为计算所述第i个测温点位的预测温度值时第i个测温点位自身的权重系数,δi1-δim为计算所述第i个测温点位的预测温度值时第i个测温点位周围预设距离内m个相邻测温点位相应的权重系数,i为所述高炉送风装置中n个测温点位的序号,j为所述第i个测温点位周围预设距离内m个相邻测温点位的序号。
6.根据权利要求5所述的高炉风口温度监测装置,其特征在于,
所述权重系数δij的计算公式为:
δij=k0 (ij)+k1 (ij)J1 (ij)+k2 (ij)J2 (ij)+k3 (ij)×L(ij);
其中,δij为计算所述第i个测温点位的预测温度值时周围预设距离内的第j个相邻测温点位的权重系数值,k0 (ij)为避免权重系数δij为0的常数;J1 (ij)为第i个测温点位与第j个相邻测温点位之间直接连接材料的热传导系数值,k1 (ij)为J1 (ij)的计算因子;J(空气)为第i个测温点位与第j个相邻测温点位之间空气的热传导系数值;k2 (ij)为J(空气)的计算因子,L(ij)为第i个测温点位与第j个相邻测温点位之间的距离值,k3 (ij)为L(ij)相应的计算因子。
7.根据权利要求1-6任一所述的高炉风口温度监测装置,其特征在于,所述巡检机器人上还设有可见光相机(8);
所述可见光相机(8)获取所述高炉送风装置的光学图像,并发送至所述数据处理组件;
所述数据处理组件接收所述光学图像,基于视觉识别模型判断所述高炉送风装置是否漏水及漏粉;
所述红外热成像仪(7)和所述可见光相机(8)通过可升降组件(4)与巡检机器人本体(3)连接;
所述红外热成像仪(7)和所述可见光相机(8)通过所述可升降组件(4)在竖直方向往复移动。
8.根据权利要求1-6任一所述的高炉风口温度监测装置,其特征在于,还包括:无线充电组件;
所述巡检机器人内部设有储能电池;
所述无线充电组件设置于所述轨道上,以无线充电方式对所述巡检机器人进行充电。
9.根据权利要求8所述的高炉风口温度监测装置,其特征在于,
所述轨道为环形非封闭轨道;
所述无线充电组件设置于所述轨道的一端;
所述巡检机器人按照预设周期移动至所述无线充电组件处进行无线充电。
10.一种高炉风口温度监测装置控制方法,其特征在于,基于如权利要求1-9任一所述的高炉风口温度监测装置对高炉风口各个预设位置的温度进行实时检测,包括如下步骤:
控制巡检机器人按照预设速度沿轨道往复移动;
通过红外热成像仪(7)按照预设采样周期获取高炉送风装置若干个测温点位的实时红外图像;
基于图像温度转换模型,获取所述若干个测温点位的所述实时红外图像相应的实时温度值;
当所述实时温度值超过第二温度阈值时,向高炉风口监测系统发送报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311578349.9A CN117587181A (zh) | 2023-11-23 | 2023-11-23 | 一种高炉风口温度监测装置及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311578349.9A CN117587181A (zh) | 2023-11-23 | 2023-11-23 | 一种高炉风口温度监测装置及其控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117587181A true CN117587181A (zh) | 2024-02-23 |
Family
ID=89917855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311578349.9A Pending CN117587181A (zh) | 2023-11-23 | 2023-11-23 | 一种高炉风口温度监测装置及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117587181A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015048508A (ja) * | 2013-09-02 | 2015-03-16 | 新日鐵住金株式会社 | 高炉羽口状態観察方法及び高炉羽口状態観察装置 |
CN109913602A (zh) * | 2019-04-10 | 2019-06-21 | 天津市三特电子有限公司 | 高炉风口设备及其周边炉体内衬侵蚀状态巡检系统及方法 |
CN111500811A (zh) * | 2020-05-28 | 2020-08-07 | 鞍钢股份有限公司 | 一种在高炉风口平台上自动巡检的装置及方法 |
CN112947461A (zh) * | 2021-03-01 | 2021-06-11 | 金陵科技学院 | 一种基于vslam算法的高炉风口平台巡检机器人控制方法 |
CN113201617A (zh) * | 2021-03-29 | 2021-08-03 | 马鞍山钢铁股份有限公司 | 一种高炉风口平台综合巡检装置及方法 |
CN215414040U (zh) * | 2021-06-04 | 2022-01-04 | 北京首钢股份有限公司 | 一种热风炉的红外成像监测系统 |
-
2023
- 2023-11-23 CN CN202311578349.9A patent/CN117587181A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015048508A (ja) * | 2013-09-02 | 2015-03-16 | 新日鐵住金株式会社 | 高炉羽口状態観察方法及び高炉羽口状態観察装置 |
CN109913602A (zh) * | 2019-04-10 | 2019-06-21 | 天津市三特电子有限公司 | 高炉风口设备及其周边炉体内衬侵蚀状态巡检系统及方法 |
CN111500811A (zh) * | 2020-05-28 | 2020-08-07 | 鞍钢股份有限公司 | 一种在高炉风口平台上自动巡检的装置及方法 |
CN112947461A (zh) * | 2021-03-01 | 2021-06-11 | 金陵科技学院 | 一种基于vslam算法的高炉风口平台巡检机器人控制方法 |
CN113201617A (zh) * | 2021-03-29 | 2021-08-03 | 马鞍山钢铁股份有限公司 | 一种高炉风口平台综合巡检装置及方法 |
CN215414040U (zh) * | 2021-06-04 | 2022-01-04 | 北京首钢股份有限公司 | 一种热风炉的红外成像监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN210266515U (zh) | 一种变电站巡检机器人云台系统 | |
CN203981276U (zh) | 一种基于移动机器人的远程红外测温系统 | |
CN106418865A (zh) | 一种用于变电站的智能巡检安全头盔 | |
CN110617884B (zh) | 一种智能焦炉直行测温机器人系统及测温控制方法 | |
CN109913602A (zh) | 高炉风口设备及其周边炉体内衬侵蚀状态巡检系统及方法 | |
CN110695958A (zh) | 一种适用于化工防爆巡检机器人 | |
CN205614641U (zh) | 一种变电站巡检机器人 | |
CN104122892B (zh) | 大型电机型式试验台智能巡检小车系统 | |
NL2023493A (en) | Urban rail transit automatic inspection system | |
CN105382837A (zh) | 变电站无盲区智能巡检机器人的监测方法及其监测机构 | |
CN210894530U (zh) | 一种智能焦炉直行测温机器人 | |
CN110666814A (zh) | 配电网巡检机器人 | |
CN105978144A (zh) | 基于app平台报警的自巡航变电站红外监控系统 | |
CN111176198A (zh) | 一种混凝土坝动态监控系统与方法 | |
CN205909857U (zh) | 一种电厂智能型全方位实时监控系统 | |
CN117587181A (zh) | 一种高炉风口温度监测装置及其控制方法 | |
CN209923373U (zh) | 高炉风口设备及其周边炉体内衬侵蚀状态巡检系统 | |
CN116527119B (zh) | 一种基于机载端图像视频智能分析理解组件化系统及方法 | |
CN106500850A (zh) | 一种转炉炉底外壁温度监测装置 | |
CN205582221U (zh) | 一种变电站设备过热实时在线检测系统 | |
CN112348990A (zh) | 电力设备巡视系统 | |
CN111627128A (zh) | 适用于具有风口结构炉体的巡检方法及其智能巡检系统 | |
CN216483541U (zh) | 无接触式转炉连续测温装置 | |
CN206596120U (zh) | 一种建筑智能无线监测装置 | |
CN212749927U (zh) | 适用于具有风口结构炉体的智能巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |